論文の概要: Correlations, information backflow, and objectivity in a class of pure dephasing models

• arxiv url: http://arxiv.org/abs/2201.10573v1
• Date: Tue, 25 Jan 2022 19:00:06 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-27 22:21:30.281950
• Title: Correlations, information backflow, and objectivity in a class of pure dephasing models
• Title（参考訳）: 純失語モデルにおける相関, 情報逆流, 客観性
• Authors: Nina Megier, Andrea Smirne, Steve Campbell, Bassano Vacchini
• Abstract要約: システムと環境の断片間の相関関係が,その後のダイナミクスを特徴づける役割について,批判的に考察する。 我々は、初期環境の状態が質的に定量的に相関プロファイルに影響を及ぼす調整可能な自由度を表すようなデファースモデルを用いている。 我々は、異なる顕微鏡モデルから生じる系の正に同じマルコフ的でない還元力学に対して、量子ダーウィン的特徴を示すものもあれば、古典的客観性の概念が存在しないものもあることを示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We critically examine the role that correlations established between a system and fragments of its environment play in characterising the ensuing dynamics. We employ a class of dephasing models where the state of the initial environment represents a tunable degree of freedom that qualitatively and quantitatively affects the correlation profiles, but nevertheless results in the same reduced dynamics for the system. We apply recently developed tools for the characterisation of non-Markovianity to carefully assess the role that correlations, as quantified by the (quantum) Jensen-Shannon divergence and relative entropy, as well as changes in the environmental state, play in whether the conditions for classical objectivity within the quantum Darwinism paradigm are met. We demonstrate that for precisely the same non-Markovian reduced dynamics of the system arising from different microscopic models, some will exhibit quantum Darwinistic features, while others show no meaningful notion of classical objectivity is present. Furthermore, our results highlight that the non-Markovian nature of an environment does not a priori prevent a system from redundantly proliferating relevant information, but rather it is the system's ability to establish the requisite correlations that is the crucial factor in the manifestation of classical objectivity.
• Abstract（参考訳）: システムと環境の断片間の相関関係が,その後のダイナミクスを特徴づける役割を批判的に考察する。 我々は、初期環境の状態が質的かつ定量的に相関プロファイルに影響を及ぼすような調整可能な自由度を表すが、それでもシステムに同じ還元力学をもたらすようなデファースモデルを用いる。 最近開発された非マルコビアン性の特徴付けのためのツールを用いて、(量子)イェンセン=シャノンの発散と相対エントロピーによって定量化された相関が、環境状態の変化とともに、量子ダーウィン主義パラダイムにおける古典的客観性の条件が満たされるかどうかを慎重に評価する。 異なる微視的モデルから生じる系の全く同じ非マルコフ的還元力学に対して、量子ダーウィン的特徴を示すものもあれば、古典的客観性という意味のある概念が存在しないものもある。 さらに, 環境のマルコフ的でない性質は, システムが関連情報を冗長に増殖させるのを防ぐものではなく, 古典的客観性の顕在化において重要な要因である必要相関性を確立する能力であることを示した。

関連論文リスト

• Unified Causality Analysis Based on the Degrees of Freedom [1.2289361708127877]
  本稿では,システム間の因果関係を同定する統一手法を提案する。 システムの自由度を分析することで、私たちのアプローチは因果的影響と隠れた共同設立者の両方についてより包括的な理解を提供する。 この統合されたフレームワークは、理論モデルとシミュレーションを通じて検証され、その堅牢性とより広範な応用の可能性を示す。
  論文  参考訳（メタデータ） (2024-10-25T10:57:35Z)
• Systems with Switching Causal Relations: A Meta-Causal Perspective [18.752058058199847]
  エージェントの行動の柔軟性や、環境プロセスにおける転換点の柔軟性は、システムの質的なダイナミクスを変える可能性がある。 新しい因果関係が出現し、既存の因果関係が変化または消失し、結果として因果グラフが変化する。 本稿では,古典的因果モデルを等価な定性行動に基づいてクラスタに分類するメタ因果状態の概念を提案する。
  論文  参考訳（メタデータ） (2024-10-16T21:32:31Z)
• Sequential Representation Learning via Static-Dynamic Conditional Disentanglement [58.19137637859017]
  本稿では,ビデオ中の時間非依存要因と時間変化要因を分離することに着目し,逐次的データ内での自己教師付き不整合表現学習について検討する。 本稿では,静的/動的変数間の因果関係を明示的に考慮し,それらの因子間の通常の独立性仮定を破る新しいモデルを提案する。 実験により、提案手法は、シーンのダイナミックスが内容に影響されるシナリオにおいて、従来の複雑な最先端技術よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-08-10T17:04:39Z)
• Nonparametric Partial Disentanglement via Mechanism Sparsity: Sparse Actions, Interventions and Sparse Temporal Dependencies [58.179981892921056]
  この研究は、メカニズムのスパーシティ正則化(英語版)と呼ばれる、アンタングルメントの新たな原理を導入する。 本稿では,潜在要因を同時に学習することで,絡み合いを誘発する表現学習手法を提案する。 学習した因果グラフをスパースに規則化することにより、潜伏因子を復元できることを示す。
  論文  参考訳（メタデータ） (2024-01-10T02:38:21Z)
• High-dimensional monitoring and the emergence of realism via multiple observers [41.94295877935867]
  相関はすべての測定モデルの基本的なメカニズムである。 本稿では,弱度と強い非選択性の測定を補間するモデルを提案する。
  論文  参考訳（メタデータ） (2023-05-13T13:42:19Z)
• Identifying Weight-Variant Latent Causal Models [82.14087963690561]
  推移性は潜在因果表現の識別性を阻害する重要な役割を担っている。 いくつかの軽微な仮定の下では、潜伏因果表現が自明な置換とスケーリングまで特定可能であることを示すことができる。 本稿では,その間の因果関係や因果関係を直接学習する構造的caUsAl変分自動エンコーダを提案する。
  論文  参考訳（メタデータ） (2022-08-30T11:12:59Z)
• Entropy production in non-Markovian collision models: Information backflow vs system-environment correlations [0.0]
  微視的衝突モデルによりモデル化された環境に接触した量子ビットの可逆エントロピー生成について検討した。 以上の結果から, 負のエントロピー生成速度を支えるメカニズムは, 情報逆流によるマルコビアン性だけではないことが示唆された。
  論文  参考訳（メタデータ） (2022-04-20T14:59:09Z)
• Quantum non-Markovian "casual bystander" environments [0.0]
  量子メモリ効果は、システム進化中に環境に関連する自由度が全く影響されない場合でも引き起こされる。 結果のダイナミクスの一般的な性質は、システム環境相関、衝突測定に基づく表現、量子回帰仮説に焦点をあてて研究される。
  論文  参考訳（メタデータ） (2021-09-20T14:24:18Z)
• Discovering Latent Causal Variables via Mechanism Sparsity: A New Principle for Nonlinear ICA [81.4991350761909]
  ICA(Independent component analysis)は、この目的を定式化し、実用的な応用のための推定手順を提供する手法の集合を指す。 潜伏変数は、潜伏機構をスパースに正則化すれば、置換まで復元可能であることを示す。
  論文  参考訳（メタデータ） (2021-07-21T14:22:14Z)
• BayesIMP: Uncertainty Quantification for Causal Data Fusion [52.184885680729224]
  本研究では,複数の因果グラフに関連するデータセットを組み合わせ,対象変数の平均処理効果を推定する因果データ融合問題について検討する。 本稿では、確率積分とカーネル平均埋め込みのアイデアを組み合わせて、再生されたカーネルヒルベルト空間における干渉分布を表現するフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-06-07T10:14:18Z)
• Latent Causal Invariant Model [128.7508609492542]
  現在の教師付き学習は、データ適合プロセス中に急激な相関を学習することができる。 因果予測を求める潜在因果不変モデル(LaCIM)を提案する。
  論文  参考訳（メタデータ） (2020-11-04T10:00:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。